पहला डायग्राम. नॉनलीनियर क्लासिफ़िकेशन से जुड़ी समस्या. रैखिक फलन नहीं हो सकता
सभी नीले बिंदुओं को नारंगी बिंदुओं से साफ़ तौर पर अलग करें.
"नोनलिनर" इसका मतलब है कि आप
फ़ॉर्म का मॉडल . दूसरे शब्दों में,
"फ़ैसले लेने के लिए प्लैटफ़ॉर्म" एक पंक्ति नहीं है.
हालांकि, अगर हम अपनी सुविधाओं और पर सुविधा क्रॉस करते हैं, तो हम
फिर,
लीनियर मॉडल:
जहां के बीच का फ़ीचर क्रॉस है
और :
दूसरा डायग्राम. फ़ीचर क्रॉस जोड़कर
x1x2, लीनियर मॉडल सीख सकता है
एक हाइपरबोलिक आकार, जो नीले बिंदुओं को नारंगी बिंदुओं से अलग करता है.
अब नीचे दिए गए डेटासेट का इस्तेमाल करें:
तीसरी इमेज. एक ज़्यादा मुश्किल नॉनलीनियर क्लासिफ़िकेशन की समस्या.
इसे सुविधा क्रॉस एक्सरसाइज़ से भी याद किया जा सकता है
जो इस डेटा के लिए एक लीनियर मॉडल को फ़िट करने के लिए क्रॉस-पोस्ट करती है
इसमें थोड़ा मेहनत और एक्सपेरिमेंट करना पड़ा.
लेकिन, अगर आपको ये सभी चीज़ें खुद नहीं करनी पड़तीं, तो क्या होता?
न्यूरल नेटवर्क एक परिवार है
एक ही प्लैटफ़ॉर्म पर कई मॉडल बनाना होता है.
नैनलाइनर
पैटर्न हैं. न्यूरल नेटवर्क की ट्रेनिंग के दौरान,
अपने-आप model का इस्तेमाल करें
कम करने के लिए इनपुट डेटा पर परफ़ॉर्म करने के लिए सबसे बेहतर सुविधा क्रॉस को सीखता है
नुकसान.
न्यूरल नेटवर्क के काम करने के तरीके पर, हम बारीकी से जानेंगे.
[null,null,["आखिरी बार 2024-08-13 (UTC) को अपडेट किया गया."],[[["This module explores neural networks, a model architecture designed to automatically identify nonlinear patterns in data, eliminating the need for manual feature cross experimentation."],["You will learn the fundamental components of a deep neural network, including nodes, hidden layers, and activation functions, and how they contribute to prediction."],["The module covers the training process of neural networks, using the backpropagation algorithm to optimize predictions and minimize loss."],["Additionally, you will gain insights into how neural networks handle multi-class classification problems using one-vs.-all and one-vs.-one approaches."],["This module builds on prior knowledge of machine learning concepts such as linear and logistic regression, classification, and working with numerical and categorical data."]]],[]]